Python

數字圖像處理與分析在現代農業生產中得到了越來越多的應用。《數字圖像處理與分析》系統地介紹了數字圖像處理與分析的理論、方法和代表性成果及其在農業領域中的應用。《數字圖像處理與分析》介紹了數字圖像處理中的數字圖像基礎、數學基礎、圖像增強、圖像形態學、圖像分割、圖像特徵提取與描述、圖像壓縮和機器學習基礎等內容，突出專業知識和農業生產需求的緊密結合，由淺入深，循序漸進，並通過豐富的應用案例，力求使學生在掌握基本理論和專業知識的同時，具備承擔農業領域數字圖像處理與分析任務的能力。《數字圖像處理與分析》配備了電子課件、課後習題參考答案和大部分章節實驗結果的源代碼(Python + OpenCV)，供教師授課使用。

《環境數據分析(第二版)》是面向新工科建設的新形態教材，介紹了數理統計分析及機器學習、深度學習的基礎理論和軟件操作，加強了統計分析和數據科學的融合。《環境數據分析(第二版)》共12章，內容包括數據描述性分析及探索性分析、科學繪圖、環境數據分佈與假設檢驗、參數及非參數檢驗、方差分析、相關分析、回歸分析、生存分析、降維分析、聚類分析、分類分析及機器學習、深度學習，特別設置了知識拓展、思考題、逸聞趣事等。《環境數據分析(第二版)》重視實戰操作訓練，演示了Excel、SPSS、Python及GPT-4的分析過程，對軟件操作及界面進行了詳細介紹，完整展現了數據分析的思路和過程。所有習題、例題數據及解題方法均配套電子文件。

本書作者在Copilot、ChatGPT等人工智能的輔助下，解出了24道具有挑戰性的正則表達式謎題。本書分為許多單獨的謎題，這些謎題被歸入與解謎需要的正則表達式的複雜性和特徵有關的主題，並包含了其傳統的人為解決方案，以及流行的人工智能助手所給出的答案。除了這些謎題，讀者還將學習如何編寫提示，整合人工智能生成的編碼建議，並與助手互動以獲得想要的結果。通過閱讀本書，讀者將清楚地瞭解人工智能助手在哪些方面可以可靠地編寫代碼，在哪些方面還需要人力的協助。此外，本書介紹了很多關於正則表達式的知識。本書面向瞭解Python簡單技能和正則表達式的讀者，不需要有使用人工智能編碼工具的經驗。

全書以新型天線設計、微波濾波器設計及HFSS聯合模擬設計為基礎，對ANSYS HFSS的基本操作、進階使用技巧及實操應用進行了全面介紹。在天線應用方面，本書重點研究了當前幾類熱門天線，對其實現的設計思路與方法進行了深入分析；在微波器件方面，本書重點探討了小型化和可調性兩個方面，對實現小型化和可調性的最新技術和結構進行了詳細闡述；在聯合模擬方面，本書透過ANSYS HFSS與Python、MATLAB、Designer、optiSLang和Maxwell相結合的綜合應用，對天線和濾波器的聯合建模、模擬和最佳化進行了全面探索。本書可作為高等學校電子資訊專業碩博士研究生的參考讀物，也可供廣大微波設計人員參考。

這本書將向你展示如何提高語言理解能力。每一章都將帶你從Python、PyTorch和TensorFlow中從零開始瞭解語言理解的關鍵方面。例如，在媒體、社交媒體和研究論文等許多領域，對語言理解的需求與日俱增。在數百項AI任務中，我們需要總結大量數據進行研究，為各個經濟領域翻譯文檔，並出於道德和法律原因掃描所有社交媒體帖子。

在數字化時代，嵌入式人工智能系統和深度學習等技術變得越來越重要。在嵌入式平臺上進行深度學習推理時會受到計算能力、存儲空間、能耗等資源限制的挑戰。本書從深度學習模型在資源受限的硬件平臺上部署的角度，介紹嵌入式AI系統的基本概念、需求、挑戰，以及其軟硬件解決方案。本書共分為7章。第1章介紹了邊緣計算； 第2章介紹了嵌入式AI系統的基本概念及其面臨的需求與挑戰； 第3章介紹了嵌入式AI系統的硬件解決方案； 第4～6章介紹了嵌入式AI系統的軟件解決方案，包括DNN模型的構建及實現、輕量級DNN模型的構建、模型輕量化方法及實現； 第7章介紹了DNN模型的硬件部署。本書提供了基於Python語言和Torch API的大量代碼解析，並針對Intel系列和NVIDIA系列芯片的硬件部署分別進行介紹。本書適合作為高等院校計算機專業、軟件工程專業的教材，也可供對深度學習、計算機視覺、嵌入式AI系統等感興趣的開發人員、廣大科技工作者和研究人員參考。

本書面向黑客攻防、網絡安全和滲透測試的初學者，從文件系統、終端命令操作、文本操作、網絡操作、軟件管理、權限管理、服務管理、環境變量管理等Linux操作系統的基礎知識開始，擴展講解了一些基礎的bash和Python腳本編程技術，以及其他控制Linux系統環境所需的工具和技術。首先，你將學習如何在虛擬機上安裝Kali系統，並瞭解Linux系統的基本概念。接著，你將接觸到更為廣泛的Linux系統主題，比如操作文本、控制文件和目錄的權限，以及管理用戶環境變量。最後，你將重點關注基本的黑客攻防概念，比如安全性和匿名性，並學習bash和Python腳本編程技巧。

本書主要介紹如何基於Django框架開發網站，全書共4章，第1章主要介紹Python、Django發展歷史和安裝方法，以及HTTP的基礎知識；第2章詳細介紹了Django基本知識，包括如何啟動Django服務、Hello World程序、HttpRequest與HttpResponse對象、setting.py的配置、cookie和session、Django的MTV開發模式框架、Django的模型與數據庫的管理、Django的視圖管理、Django的模板管理以及基於Python Requests類數據驅動的HTTP接口測試；第3章以電子商務網站為例，介紹電子商務網站的需求、電子商務網站數據Model設計以及用戶信息、商品信息、購物車、送貨地址、訂單、電子支付模塊，最後介紹如何建立自定義的錯誤頁面；第4章在第3章的基礎上介紹如何構建安全的網站，分別是密碼的加密、防止CSRF和XSS的攻擊、權限操作的漏洞以及防止SQL注入。本書可作為準備使用Django框架開發網站、學習接口測試的軟件工作人員的學習用書，也可作為在校本科生和研究生的參考用書。

隨著短視頻行業的快速崛起，如何能讓短視頻作品把握熱點、緊跟時事，並且在內容的製作上體現短視頻的多樣性和高效性，運用Python編程幫助短視頻從業者，實現自動採集媒體熱點，獲取流量密碼，實現商業分析常態化，素材短視頻自動化處理，短視頻作品的批量處理等等，為短視頻插上翅膀。

本書主要針對數據科學、統計學、商學領域的教學，介紹基於Python軟件的數據可視化基礎知識、數據計算與交互式繪圖，機器學習中的可視化工具和技術，以及特定數據結構下的可視化技術，如金融數據結構、生物數據結構、網絡數據結構中的可視化展示，並配以豐富的案例，緊密結合常見的統計方法和機器學習方法。本書配有大量實際案例和習題，涉及金融、經濟管理、醫療影像、健康大數據、地理數據等方面的知識，內容翔實，能讓授課教師充分備課，讓學生全面學習，極大地提升學生的動手能力，並與現實生活接軌，讓學生為勝任“全球信息化時代”的數據科學工作做好充分準備。此外，本書還配有PPT課件、教學大綱、教學進度表、部分源代碼和數據文件、課後習題答案等教學資源，用書老師可在人郵教育社區免費下載使用。本書可作為高等院校數據科學、統計學、商學等相關專業的教材，也可供經管領域的技術人員學習使用，還可作為機器學習和人工智能等領域的研究人員的參考書。

本書由5個項目組成，內容包括人工智能概述、新一代信息技術的應用、人工智能之自動識別技術、人工智能之Python語言、人工智能之機器學習。本書系統闡述人工智能的基本原理、實現技術及應用，全面地反映國內外人工智能研究領域的進展和發展方向。本書作為國家職業教育改革實施方案中倡導使用的新型活頁式教材，既可作為人工智能、信息處理、電氣自動化等相關專業的教材，也可作為從事計算機科學研究及開發、應用的教學和科研人員的參考書。

本套標準包括4個部分：圖形化編程，機器人編程，Python編程和C++編程。其中圖形化編程分為三級，機器人編程和Python編程各分為4級，C++編程分為5級，每級規定了綜合能力要求，以及主要知識點及各知識點的能力要求。標準研製團隊由計算機教育專家、青少年編程培訓機構教師、標準的應用單位代表共同組成，由清華大學、北京理工大學牽頭。在標準研製過程中，通過調研分析、研討、專家諮詢、廣泛徵求意見等環節確保標準制定的規範性，尊重學科知識體系、遵循教育規律、適應學業發展，同時符合教育培訓需求，兼具科學性與實用性。《青少年編程能力等級》系列標準的意義在於，解決目前青少年編程教育培訓領域尤其是課外培訓領域，階梯型目標指引缺乏、培訓內容良莠不齊等問題，通過規範教學內容引領行業按照符合青少年學生認知規律、知識和能力兼顧、計算思維和創造思維並重的路線良性有序發展。《青少年編程能力等級》標準的推出旨在為編程教育提供了一個指導和參考依據。預期讀者對象包括中小學教師、培訓機構的教師，以及學青少年學生和學生家長。

本書主要介紹大數據可視化的基本概念和相應的技術應用。全書內容共10章，分別為大數據可視化概述、大數據可視化原理、大數據可視化方法、數據可視化工具、Excel數據可視化、Tableau數據可視化、ECharts與pyecharts數據可視化、Python數據可視化、大數據可視化行業分析以及大數據可視化綜合實訓。本書將理論與實踐操作相結合，通過大量的案例幫助讀者快速瞭解和應用大數據分析的相關技術,並且對於書中重要的、核心的知識點加大練習的比例，以使讀者達到熟練應用的目的。本書可作為大數據、雲計算、軟件技術、信息管理、計算機網絡等專業的教材，可也作為大數據愛好者的自學參考書。

程式設計納入108課綱，學習任何程式語言都要需要的運算思維！ 寫程式就像寫作文，學會單字語法不代表就能寫出好文章。 但如果能先了解程式設計背後的思維與邏輯， 不管以後使用哪種程式語言，都能運用自如，順利完成任務，一生受用。 對目前及未來的世代而言，學習如何寫程式已經是跟語文、數學、藝術一樣的基礎能力。在生活中，電腦可以幫忙掃地、洗衣、煮飯；在工作上，除了工商業界，電腦應用還擴及到設計、傳播、藝術等領域，與每個人緊密連結，因此不論處於什麼年齡，我們都應該及早擁有操作電腦的工具及知識，並建立起跟電腦一起工作的自信。 你是不是想學程式語言卻不知從何開始？別擔心，你不需要急著弄懂Java、Python、Ruby這些程式語言到底有什麼不同，即使不熟悉電腦的操作也沒關係。這本書將一步一步拆解程式設計師的思考模式，帶領你從故事及遊戲中尋找規則，學會以同樣的方式解決問題。對於不懂電腦的人來說，看到「迴圈」、「條件陳述式」、「運算子」、「變數」這些令人摸不著頭緒的專用術語就夠令人害怕的了，不過這些概念其實透過骰子或撲克牌遊戲就可以輕鬆學會並理解。 當你擁有如程式設計師一般的腦袋，就等於破解了電腦的魔法，也開啟了神奇的程式世界。只要多加練習，這些數字、符號、程式碼，都將成為解決問題的好幫手，並且讓你能更有創意地展現出自己的想法。

l Chapter1 資料的概念：在最開始的地方，以一系列的案例讓讀者認識到資料的價值（1.1），並且學習透過資料的型態（1.2） 和尺度（1.3） 來認識資料。 l Chapter2 Python 基礎：對於沒有程式基礎的讀者，會從 Python的介紹和環境安裝（2.1 ∼ 2.2） 開始，並且介紹一些基礎的程式語法與邏輯（2.3 ∼ 2.4），讓讀者可以快速上手Python。 l Chapter3 基本數值資料處理：分別介紹在資料分析中最常用到的NumPy（3.1） 和Pandas（3.2），讓讀者可以對各種基本的資料進行處理與分析。 l Chapter4 各式資料處理：除了基本的數值資料以外，更進一步介紹對於影像（4.1 ∼ 4.2）、音訊（4.3 ∼ 4.4）、文字（4.5 ∼ 4.6） 類型資料的觀念與實作。 l Chapter5 資料前處理：專門介紹各種拿到資料後要先做的前處理方式，包含資料清理（5.1）、資料轉換（5.2），以及如何進行合適的資料視覺化（5.3）。 l Chapter6 其他專題補充：針對本書無法展開的內容，透過一個個小實作專題進行補充介紹，包含探索式分析（6.1）、網頁爬蟲（6.2）、機器學習與模型評估（6.3）、ChatGPT API（6.4）、HuggingFace（6.5）、資料管線（6.6）、常見誤區（6.7） 等。

雖然訓練計算機以解釋和生成語音和文本這個挑戰很大，但是它在減少勞動力和改進人機交互方面所帶來的回報也很大！自然語言處理（NLP）領域目前正在快速發展，誕生了大量新的工具和實踐。這本獨特的書可以給讀者帶來一系列可以應用於機器翻譯、語音助手、文本生成等領域的創新NLP技術。《贈ChatGPT中文範例的自然語言處理入門書》將展示如何構建實用的、可以改變人類和計算機協同工作方式的NLP應用程序。本書通過對每個核心NLP主題進行清晰、直觀的解釋和指導，幫助你創建許多有趣的應用程序，包括情感分析器和聊天機器人。在該過程中，你將使用Python和開源庫(AllenNLP和Hugging Face Transformers)加快開發過程。● 設計、開發和部署實用的NLP應用程序● 構建命名實體標注器● 構建機器翻譯系統● 構建語言生成系統和聊天機器人

"數據科學項目日益增多，每個項目在提出原型到生產的過程中都需要可靠的基礎設施。使用《Effective數據科學基礎設施》介紹的一些新技術和新工具，你將能建立一個適用於各類組織(無論是初創企業還是大型企業)的基礎設施堆棧。《Effective數據科學基礎設施》可幫助你建立數據流程和項目工作流，為你開發項目帶來強大動力。《Effective數據科學基礎設施》呈現Netflix數據操作的**進工具和概念，並在此基礎上介紹一種可定制的基於雲的模型開發和MLOps方法，可輕鬆適應公司的特定需求。當團隊把數據科學和機器學習應用於廣泛的業務問題時，這些實用的數據流程將更高效地生成更完美的結果。主要內容● 在雲中處理計算和編排● 將基於雲的工具耦合到一個內聚的數據科學環境中● 使用Metaflow、AWS和Python數據生態系統開發可複製的數據科學項目● 構建需要大型數據集和模型，需要數據科學家團隊參與的複雜應用程序"

本書分為10章，其中第1～9章探討了排序、推薦系統、聚類、線性回歸等內容，每章都以一個具體的實際問題開始，其主要目的是激發對某一特定大數據分析技術的研究。接下來探討其背後的數學原理――包括重要的定義、輔助陳述和得出的結論。案例研究有助於將所學知識應用於跨學科的環境中，包括對逐步任務的描述和有用的提示。每章之後都配有習題，作為自學中不可缺少的一部分，有助於提高對基礎理論的理解。第10章提供了前9章的習題答案，以及Python代碼中的算法描述作為補充材料。本書適合作為大數據分析、應用數學及相關專業的研究生和高年級本科生。

全書分為三篇，分別為概念篇（1-2章）、基礎篇（3-6章）和平臺篇（7-10章）。第1-2章為闡述了大數據的基本概念、相關理論和技術緒論。第3章包括數據獲取與存儲，介紹數據爬蟲等自動採集技術和基本的存儲技術。第4-5章的主要內容是數據預處理和可視化。第6章為大數據分析方法，介紹回歸、分類、聚類和文本分析等技術。第7章為大數據管理平臺概述，介紹了分布式思想和平臺技術。第8章為Linux操作系統基礎。第9-10章介紹了分布式存儲和處理技術。本教材以培養大學低年級學生的大數據應用能力、初步建立數據思維為主要目標，滿足“新工科”、“新醫科”、“新農科”、“新文科”建設背景下高校對數據素養能力培養的新要求。主要案例基於房屋買賣數據，易於理解；使用生活中的常識來類比科學原理，深入淺出；主要教學內容均有程序實現，實踐性強。本教材只要求讀者有初步的Python程序設計基礎，對數學知識要求不高。提供PPT課件，教學視頻，電子教案等，方便教學。面向有Python程序設計基礎的各專業學生，建議在大學低年級作為必修課開設。

本教材特色是以Python大數據工具進行財務分析與決策。財會專業學生對Python編程課程內容學習、知識理解、實踐操作方面有一定的難度和專業限制，本教材充分考慮財會專業的特點和知識結構，對Python開發內容重新進行全方位設計，圍繞Python在財務中的應用場景，提供豐富翔實的實訓項目案例，將Python編程和財務分析、決策緊密結合，實現知行合一，提高學生會計學科和大數據學科知識整合能力。 本書共3篇，分別是基礎篇、財務大數據分析篇、財務大數據決策篇。分為9章，第1章“Python基礎”，包括內容是：Python開發環境搭建與編碼規範；數據類型、運算符、內置函數及財務應用；程序控制結構及財務應用；程序控制結構及財務應用；函數及財務應用；文件操作及財務應用。第2章“財務數據分析”，包括內容是：NumPy科學計算庫；認識pandas；財務數據清洗；財務數據篩選與查詢；財務數據特徵與統計信息、排序、連接；財務數據分析聚合與透視。第3章“財務數據可視化”，包括內容是：Matplotlib擴展庫與財務數據可視化；Pyecharts擴展庫與財務數據可視化。第4章“項目投資決策”。第5章“本量利分析決策”。第5章“股票投資決策”。第7章“融資決策”。第8章“財務風險預測”。第9章“財務舞弊預測”。 本書可作為高校會計學、財務管理、審計學、工商管理、大數據管理與應用、大數據+會計等專業本科生和與研究生財務大數據分析與決策、Python在財務中的應用、智能財務分析、智能財務分析與決策、大數據與財務決策等等課程的教材，也可以作為對財務數智化感興趣的其他讀者的參考書。

《MySQL快速入門到精通》是一本側重編程基礎+實踐的MySQL開發圖書。為了保證讀者可以學以致用，本書在實踐方面循序漸進地進行3個層次的設計―基礎知識實踐、進階應用實踐和綜合應用實踐。全面介紹了使用MySQL進行數據庫管理的必備知識，從學習到實踐的角度出發，幫助讀者快速掌握MySQL數據庫的技能，拓寬職場的道路。本書通過各種示例將學習與應用相結合，做到輕鬆學習，零壓力學習，通過案例對所學知識進行綜合應用，通過開發實際項目將MySQL開發的各項技能應用到實際工作中。全書共24章，主要分為三篇（基礎篇、實戰篇、強化篇），其中基礎篇包括初識MySQL，數據庫操作，MySQL表結構管理，表數據的增、刪、改操作，簡單數據查詢，多表數據查詢，常用函數，數據完整性約束，索引，視圖，存儲過程與存儲函數，觸發器，事務處理與鎖，數據庫的備份與恢復，MySQL優化，用戶和權限管理；實戰篇包括各種編程語言連接MySQL數據庫、操作數據表、數據查詢、數據匯總、多表查詢的應用、處理重複數據；強化篇包括Python+MySQL實現在線學習筆記、Struts 2+Spring+Hibernate+MySQL實現網絡商城。本書提供豐富的資源，包含多個實例、兩個項目，力求為讀者打造一本基礎+應用+實踐一體化精彩的MySQL數據庫開發實例圖書。本書不僅適合初學者、編程愛好者、準備畢業設計的學生、參加實習的“菜鳥”程序員，而且適合初、中級程序開發人員以及程序測試和維護人員閱讀。

本書是新形態一體化教材，配有豐富的微課、教案、素材等教學資源。在內容組織編排、案例設計上秉持從易到難、從簡到繁的編寫思路，用深入淺出的語言講解計算機基礎知識和操作技能。全書分為7章，包括計算機概論、初識網絡、Python程序設計入門、Python計算生態和數據智能分析、圖像處理Photoshop、Web前端網頁設計、IT新技術等內容。本書理論與實操相結合，既注重計算思維能力的培養，又兼顧應用需求，循序漸進地引導學生打開計算機科學之門。本書適合作為普通高等院校計算機基礎課程的教材，也可作為各類計算機應用人員的參考書。

《大學計算機基礎實用教程(Windows10+WPS Office 2023)》立足於通識教育，以培養學生計算機應用能力為目的，主要內容包括信息與社會、計算機系統、計算機操作系統、 WPS文字編輯、WPS表格處理、 WPS演示文稿製作、計算機網絡、多媒體信息處理技術、計算機新技術、問題求解與 Python語言。《大學計算機基礎實用教程(Windows10+WPS Office 2023)》體系完整，層次清晰，案例豐富。

本書按照計算機學科知識體系來組織編排，全書共8章，內容包括：計算機硬件組裝與故障排除、操作系統Windows 10的安裝與使用、文字處理軟件Word 2016的使用、電子表格軟件Excel 2016的使用、演示文稿軟件PowerPoint 2016的使用、數據管理軟件Access 2016的使用、初步認識Python、計算機類專業常用軟件。在書附錄末給出了Python實驗源代碼。全書注重實踐，講解細緻、全面，旨在通過具體的操作指導，讓讀者高效地掌握計算機導論實踐課程中涉及的操作技能，快速提高實踐能力。本書可作為高等院校計算機類相關專業的計算機導論實踐課程的教材，也可作為其他計算機愛好者瞭解、學習計算機實際操作的參考書。

本書以數據分析為切入點，以數據可視化全流程為主線，從最基礎的表格工具Excel到專業的數據可視化工具PowerBI、Tableau及編程語言Python，講解了數據可視化的操作流程。

《數學建模理論、方法及應用(第二版)》分11章，內容涉及數學建模簡介、Python編程基礎與科學計算、常微分方程及差分方程方法、偏微分方程、插值與擬合方法、最優化方法、圖論方法、排隊論、回歸分析、因子分析、時間序列預測分析方法。第3―11章每章先給出歷史沿革，然後進行方法簡介，最後結合實例講解建模方法，配合數學軟件的介紹和使用，加強建模求解過程的基本訓練，避免在解決問題中做繁瑣的數學推導和計算，提高教材的可讀性。掃描《數學建模理論、方法及應用(第二版)》的二維碼可獲取部分案例的數據文件、程序及彩圖。

《OpenCV入門與技術實踐》介紹如何學習和使用流行的OpenCV庫開發計算機視覺應用，主要內容包括圖像的核心操作、圖像閾值處理、圖像形態變換、圖像邊緣檢測、角點檢測與特徵匹配等。 全書分為4章：第1章著重介紹使用Python開發OpenCV應用基礎知識；第2章著重介紹使用OpenCV進行圖像特徵檢測、描述和特徵匹配的各種算法；第3章著重介紹OCR文字識別；第4章著重介紹OpenCV中的深度學習。 《OpenCV入門與技術實踐》適合作為高等院校計算機、軟件工程專業本科生、研究生的參考書目，也適用於對人工智能領域感興趣的人士。

本書採用案例式編寫模式，包括7個單元，其中，單元1介紹數據分析的基本概念、流程和常用工具包，單元2介紹數據標注的分類、基本流程及工具的使用，單元3介紹ndarray數組及Python科學計算庫NumPy，單元4介紹數據分析處理庫pandas，單元5介紹數據可視化工具包Matplotlib和seaborn，單元6介紹分類和回歸模型及評價指標，單元7通過兩個綜合案例講解數據分析的具體處理過程。 本書可作為各類職業院校人工智能技術應用及相關專業的教材，也可作為人工智能愛好者的自學參考用書。 本書配有電子課件，選用本書作為授課教材的教師可登錄機械工業出版社教育服務網(wwwcmpeducom)註冊後免費下載，或聯繫編輯(010-88379807)諮詢。

本書從應用工程師的角度出發，著重探討Ansys Mechanical隱式求解中可能碰到的各種技術問題，重點介紹Workbench Mechanical仿真工具。第1章對Workbench Mechanical(以下簡稱Mechanical)和Mechanical APDL(以下簡稱MAPDL)兩者的聯繫和區別進行了概括性討論。第2章～第5章對Mechanical在仿真流程從前處理到後處理的技術問題進行了梳理。第6章討論了Mechanical在不同求解類型下的技術問題。第7章主要講述Mechanical中的接觸技術中的常見問題。第8、第9章分別從APDL和Python兩方面對Mechanical的功能進行擴展。第10章對結構分析中常見的分析技術如緊固件分析，屈曲分析等進行了講解和演示。

本書主要以實現遙感影像的分類、目標檢測與目標識別為目的，系統地講述了遙感技術與深度學習的關係、深度學習的數學基礎、卷積神經網絡基礎、Python基本語法、深度學習框架PyTorch和TensorFlow搭建方法，最後通過LeNet實踐、Faster R-CNN實踐和U-Net實踐，帶讀者體驗深度學習應用於遙感數據處理的具體操作。本書可作為普通高校遙感科學與技術、攝影測量與遙感、GIS、模式識別與智能處理等專業的實習教材，也可作為AI開發愛好者的自學入門教程。

本書系統講述Apache Spark/PySpark大數據計算平臺的原理，以及如果將Apache PySpark應用於大數據的實時流處理、批處理等各個場景。通過原理深入學習和實踐示例、案例的學習應用，使讀者瞭解並掌握Apache Spark/PySpark的基本原理和技能，接近理論與實踐的距離。全書共分為8章，主要內容包括：Spark架構原理與集群搭建、開發和部署PySpark應用程序、PySpark核心編程、PySpark SQL、PySpark SQL高級分析、PySpark結構化流、PySpark結構化流高級處理、Spark大數據處理綜合案例。本書源碼全部在Apache Spark 3.1.2上調試成功，所有示例和案例均基於Python 3.x語言。為降低讀者學習大數據技術的門檻，本書除了提供了豐富的上機實踐操作和範例程序詳解之外，本書作者還為購買和使用本書的讀者提供了搭建好的Hadoop、Hive數倉和PySpark大數據開發和學習環境。讀者既可以參照本書的講解自行搭建Hadoop和PySpark環境，也可直接使用作者提供的開始和學習環境，快速開始大數據和PySpark的學習。本書系統講解了Apache Spark/PySpark大數據計算平臺的原理和流、批處理的開發實踐，內容全面、實例豐富、可操作性強，做到了理論與實踐相結合。本書適合大數據學習愛好者、想要入門Apache Spark/PySpark的讀者作為入門和提高的技術參考書，也適合用作大中專院校大數據專業相關的學生和老師的教材或教學參考書。

機器學習最強入門 基礎數學/機率/統計 邁向 AI真實數據 x 專題實作 ★★★★★【數學原理 + 演算法 + 真實案例+ 專題實作】★★★★★ ★★★★★【最簡明的數學、機率、統計知識】★★★★★ ★★★★★【最完整的機器學習演算法】★★★★★ ★★★★★【最豐富的真實數據 x 專題實作】★★★★★ 本書特色如下： ★ 最白話解釋數學原理 ☆ 從簡單的數據開始理解機器學習的演算法 ★ 將理論知識轉化為實際的程式碼 ☆ 實際案例分析 全書有約416個Python程式實例，讀者可以由本書內容，了解下列與機器學習有關的基礎數學、機率、統計知識： ★ 方程式與函數 ☆ 完整Python語法 ★ 一元函數到多元函數 ☆ 最小平方法 ★ 基礎統計 ☆ 機率與單純貝式理論 ★ 指數與對數 ☆ logit函數與logistic函數 ★ 向量與矩陣 ☆ 二次函數、三次函數與多項式函數 當讀者有了上述知識後，筆者從簡單的實例開始介紹下列機器學習的演算法，每一種演算法皆是從基礎數據開始解說，然後跨入真實數據，解說應該如何將演算法應用到真實案例環境： ★ 線性迴歸 – 波士頓房價 ☆ 邏輯迴歸 – 信用卡/葡萄酒/糖尿病 ★ 決策樹 – 葡萄酒/鐵達尼號/Telco/Retail ☆ 隨機森林樹 – 波士頓房價/鐵達尼號/Telco/收入分析 ★ KNN演算法 – 電影推薦/足球射門/鳶尾花/小行星撞地球 ☆ 支援向量機 – 鳶尾花/乳癌/汽車燃料 ★ 單純貝式分類 – 垃圾郵件/中英文的新聞分類/情感分析/電影評論 ☆ 集成機器學習 – 蘑菇/醫療保險/玻璃/加州房價 ★ K-means分群 – 購物中心消費/葡萄酒評價 ☆ PCA主成分分析 – 手寫數字/人臉數據 ★ 階層式分群 – 小麥數據/老實泉 ☆ DBSCAN演算法 – 購物中心客戶分析 在講解上述演算法時，筆者同時介紹下列機器學習應該知道的知識： ★ 特徵選擇 ☆ 用直方圖了解特徵分佈 ★ 用箱型圖了解異常值 ☆ 數據預處理 ★ 殘差圖(Residual plot) ☆ 機器學習性能評估 ★ 過擬合(overfitting) ☆ 欠擬合(underfitting) ★ 數據洩漏(Data leak

本書以實用和可接受的方式詳細介紹了數據科學領域，強調動手實踐。獨立於技術介紹數據科學的基本思想和相關技術，允許學生在沒有強大的技術背景的情況下輕鬆地發展對該主題的堅定理解，並提供即使在工具和技術發生變化後仍然具有持續相關性的材料。使用流行的數據科學工具，如Python和R，這本書提供了許多實際應用的例子，實踐範圍從小數據到大數據。為教師和學生提供的一套在線材料，包括數據集、PPT、解決方案和課程建議等。

《Java程序設計任務驅動式實訓教程》共20章，每章均由任務預覽、知識講解、小結、習題(附答案)以及實訓(有代碼框架)組成。讀者每學完一章，就可立即上機實操，以鞏固所學知識。無論是編程新手，還是具有C、C++、C# 或Python基礎的程序員，讀完本書都能有所收穫。在教學內容安排上，書中融入思政元素。本書特別適合本科、高職高專、參加Java認證考試的學生以及剛入職的ICT從業者使用。

Pytest是非常廣泛的基於Python語言的應用自動化測試框架，本書首先從實戰的角度層層遞進地講解了Pytest框架使用方法，然後從企業級應用實戰的角度講解了如何利用Pytest自動化測試企業測試框架，並結合Jenkins以及Allure工具，演示在企業中是如何應用的。 第1章介紹運行環境以及Pytest快速體驗，第2章介紹Pytest測試腳本的組成結構和測試腳本默認的命名規則以及腳本執行，第3章介紹斷言的使用方法，第4章介紹了標簽的使用方法，第5章詳細介紹了自動化腳本各種常用的執行策略，第6～8章介紹了fixture的基礎和高級應用以及常見的fixture的使用方法，第9章介紹了參數化以及數據驅動的使用方法，第10章介紹了告警，第11章介紹了Pytest中豐富的日誌和打印功能，第12章介紹了Allure測試報告，第13章從設計角度介紹如何設計封裝自動化測試框架，以及Pytest、Allure與Jenkins的集成，第14章介紹了常用的第三方插件，第15章解讀了Pytest的核心即Pluggy的源碼分析。 本書既可以作為自動化測試人員、測試開發人員的工具書，也可以作為Pytest技術相關培訓教材。

公文种类繁多，本书选取工作报告作为样本研究，分为理论模型与实操方法。 理论模型部分，利用大数据技术，对国务院政府工作报告进行文本挖掘，建立总结与 部署、开头与结尾、感谢与问题、体会与要求四个模块八大要素写作模型，分类提取 高频词汇，总结提炼工作报告写作步骤及要点。实操方法部分，运用 Python、PHP、 Mysql、Sqlite 等技术，构建个人知识库、公文语料库网站，提供全部源码，实现相关 功能。

本書以Python語言作為編程語言，基於工作過程系統化的體例設計，介紹了一些經典而常用的機器學習方法及其編程技術，包括樸素貝葉斯、決策樹、k-NN、聚類、線性回歸、支持向量機(SVM)、神經網絡等。

《智慧醫學語言基礎實踐》共分6章，第1章介紹計算機基礎，主要包括Windows基本操作、Office辦公軟件操作和電子郵件操作；第2章介紹智慧醫學語言Python基礎，主要包括Python開發環境及庫的使用、Python語言基礎概述及數據類型、Python語言程序流程控制的醫學應用、Python語言自定義函數的醫學應用；第3章介紹醫學數據的獲取與分析，主要包括numpy庫與pandas庫的醫學應用、醫學數據文件的讀取與統計模塊、醫學數據的描述性分析、醫學數據的規範化轉換與常見預處理方法；第4章介紹醫學數據的可視化，主要包括matplotlib及醫學應用、seaborn及醫學應用、pyecharts及醫學應用；第5章介紹醫學圖像處理，主要包括醫學圖像的讀取與顯示，醫學圖像幾何操作、卷積、濾波，醫學圖像增強，醫學圖像分割與形態學處理；第6章介紹人工智能及醫學應用，主要包括線性回歸分析及醫學應用、邏輯回歸及醫學應用、樸素貝葉斯分類及醫學應用、支持向量機及醫學應用、聚類分析及醫學應用、深度學習及醫學應用。《智慧醫學語言基礎實踐》通過醫學案例由淺入深，注重入門運用與舉一反三，強化醫學案例驅動的自主學習與實踐，重視醫學及相關專業學生的學習能力培養，強調醫學實踐和計算機理論的醫工融合。

本書共分為 8 章，主要內容包括與人工智能相關的數學知識，Python 語言所特有的語法和技巧，如何實現 透明無縫的 Docker 模型發佈，業界優秀的 Git 代碼版本管理工具，模型開發環境的配置，高級人工智能開發工 程師常用的 IDE 開發工具，經典神經網絡模型的剖析和分解，如何實現 RPC 遠程調用，訓練樣本序化組織結 構 TFRecord，模型訓練、保存和封裝發佈，模型訓練的 GPU 配置和機制策略的部署，模型從訓練到發佈的完 整示例等。 本書適合有計算機專業和數學專業背景的初、中級開發者閱讀，以便快速掌握和駕馭人工智能全棧技術， 也適合作為在職人工智能模型開發人員查詢時使用的手冊級工具用書，還適合作為中職學校、高等院校及培訓 機構計算機人工智能和大數據等相關專業的教學用書。

《智慧醫學語言基礎》共分6章，第1章介紹智慧醫學概述，主要包括計算機基礎、醫學大數據及其應用、人工智能及智慧醫學應用；第2章介紹智慧醫學語言Python基礎，主要包括Python語言及開發環境搭建、Python語言基礎概述及數據類型、Python語言程序控制結構、函數；第3章介紹醫學數據的獲取與分析，主要包括醫學數據的獲取與存儲、醫學數據的常用計算模塊、醫學數據的描述性分析、醫學數據文件的讀取與寫入、醫學數據的歸一化轉換與常見預處理方法；第4章介紹醫學數據的可視化，主要包括matplotlib包、seaborn包、pyecharts包可視化醫學數據；第5章介紹醫學圖像處理，主要包括醫學影像相關技術、醫學圖像處理基礎、醫學圖像增強、醫學圖像分割與形態學處理等；第6章介紹機器學習及醫學應用，主要包括機器學習介紹、線性回歸分析、邏輯回歸、樸素貝葉斯分類、支持向量機、k均值(k-means)聚類、深度學習算法。圍繞醫學案例由淺入深進行論述，特點是醫工融合，注重入門運用與舉一反三，強化醫學案例驅動的自主學習，重視醫學及相關專業學生的學習能力培養，強調醫學實踐和計算機理論的醫工融合。